Kostenlose Whisper-API
Whisper ist das offene Modell zur Spracherkennung von OpenAI. Sie können es kostenlos bei Groq, Cloudflare Workers AI und OVH AI Endpoints betreiben, jeweils mit eigenen Limits. FreeLLMAPI legt diese Whisper-Hosts hinter einen OpenAI-kompatiblen Endpunkt. Ihr Code ruft /v1/audio/transcriptions auf, und der Router wechselt zum nächsten Host, wenn einer sein Limit erreicht.
Code, Modellnamen und Bezeichnungen aus dem Live-Katalog werden auf Englisch angezeigt.
Wo Whisper kostenlos ist
Die Tabelle listet alle kostenlosen Transkriptionsmodelle im FreeLLMAPI-Katalog aus dem Live-Katalog auf. Die Whisper-Zeilen sind die mit whisper in der Modell-ID.
| Modell | Anbieter | Max. Upload | Kostenloses Limit |
|---|---|---|---|
Whisper Large v3 Turbo (Groq)whisper-large-v3-turbo | Groq | 25 MB | free tier - 25 MB uploads |
Whisper Large v3 (Groq)whisper-large-v3 | Groq | 25 MB | free tier - 25 MB uploads |
Whisper Large v3 Turbo (Cloudflare Workers AI)@cf/openai/whisper-large-v3-turbo | Cloudflare Workers AI | - | Workers AI free allocation |
Whisper (Cloudflare Workers AI)@cf/openai/whisper | Cloudflare Workers AI | - | Workers AI free allocation |
Deepgram Nova-3 (Cloudflare Workers AI)@cf/deepgram/nova-3 | Cloudflare Workers AI | - | Workers AI free allocation |
Whisper Tiny English (Cloudflare Workers AI)@cf/openai/whisper-tiny-en | Cloudflare Workers AI | - | Workers AI free allocation |
Cohere Transcribe Arabic (07-2026)cohere-transcribe-arabic-07-2026 | Cohere | 25 MB | free evaluation key - 1,000 calls/month shared |
Cohere Transcribe (03-2026)cohere-transcribe-03-2026 | Cohere | 25 MB | Free evaluation key — 1,000 calls/month shared; language defaults to English |
Voxtral Mini Transcribe 2 (Mistral)voxtral-mini-2602 | Mistral | 25 MB | Renewing Mistral Free-mode monthly usage shared with Studio/API/Vibe; account-specific allowance. Paid overage may apply if enabled. |
Whisper Large v3 (OVH)whisper-large-v3 | OVH AI Endpoints | 25 MB | free · anonymous 2 req/min per IP |
Whisper Large v3 Turbo (OVH)whisper-large-v3-turbo | OVH AI Endpoints | 25 MB | free · anonymous 2 req/min per IP |
Typhoon ASR Realtimetyphoon-asr-realtime | Typhoon | - | Ongoing free research API (shared rate limits) |
Typhoon Isan ASR Realtimetyphoon-isan-asr-realtime | Typhoon | - | Ongoing free research API (shared rate limits) |
Live-Daten aus dem FreeLLMAPI-Katalog (Version 2026.11.19, geprüft 2026-11-19). Kostenlose Limits ändern sich oft. Der Katalog wird jeden Tag geprüft.
| Host | Whisper-Modelle | Kostenloses Limit (offiziell) | Am besten für |
|---|---|---|---|
| Groq | Whisper Large v3, Whisper Large v3 Turbo | 25 MB je Datei im kostenlosen Tarif. Audio unter 10 Sekunden zählt als 10 Sekunden | Geschwindigkeit und Genauigkeit |
| Cloudflare Workers AI | Whisper Large v3 Turbo, Whisper, Whisper Tiny (nur Englisch) | 10,000 Neuronen pro Tag. Large v3 Turbo verbraucht 46.63 Neuronen pro Audiominute | VTT-Untertitel, etwa 214 Audiominuten pro Tag |
| OVH AI Endpoints | Whisper Large v3, Whisper Large v3 Turbo | 2 Anfragen pro Minute je IP-Adresse und Modell, ohne Schlüssel | Fallback ohne Registrierung |
Fügen Sie Groq- und Cloudflare-Schlüssel gemeinsam hinzu. Sendet Groq einen Fehler 429, schickt der Router dieselbe Datei an den nächsten Host in der Kette. OVH ist ein guter letzter Fallback, weil sein anonymes Limit niedrig ist. Die kostenlosen Limits jedes Hosts sind getrennt, daher erhöht jeder zusätzliche Schlüssel die Kapazität.
Whisper Large v3 oder Large v3 Turbo?
Groq veröffentlicht für beide Modelle eine Wortfehlerrate (WER). Eine niedrigere WER bedeutet weniger falsche Wörter.
| Modell | WER bei Groq | Übersetzung bei Groq | Wählen Sie es, wenn |
|---|---|---|---|
whisper-large-v3 | 10.3% | Ja | Genauigkeit am wichtigsten ist, zum Beispiel bei Namen, Zahlen und Akzenten |
whisper-large-v3-turbo | 12% | Nein | Sie schnelle Ergebnisse für klare Sprache brauchen |
Whisper Tiny English bei Cloudflare ist klein und unterstützt nur Englisch. Verwenden Sie es nur für kurze, klare englische Aufnahmen. Beide großen Modelle sind mehrsprachig.
/v1/audio/transcriptions. Einen Endpunkt /v1/audio/translations gibt es nicht. Um aus anderen Sprachen Englisch zu erhalten, transkribieren Sie zuerst und übersetzen Sie den Text dann mit einem Chat-Modell.Schritt 1: FreeLLMAPI installieren und Schlüssel hinzufügen
FreeLLMAPI ist Open Source. Es läuft auf Ihrem Computer in Docker. Ihre Anbieter-Schlüssel bleiben auf Ihrem Computer.
Installation (macOS oder Linux)
curl -fsSL https://freellmapi.co/install.sh | bashÖffnen Sie das Dashboard unter http://localhost:3001. Fügen Sie auf der Seite Keys einen Groq-Schlüssel und einen Cloudflare-Schlüssel hinzu. Der Cloudflare-Schlüssel hat die Form account_id:token. Für OVH Whisper ist kein Schlüssel nötig. Kopieren Sie Ihren einheitlichen Schlüssel von derselben Seite.
Schritt 2: Mit Whisper transkribieren
Senden Sie die Datei als multipart/form-data. Verwenden Sie model=auto oder model=whisper-1, damit der Router wählt. Um ein Modell festzulegen, senden Sie seine ID. Die ID whisper-large-v3-turbo passt zu den Zeilen bei Groq und OVH, sodass das Failover beim gleichen Modell bleibt.
curl: Whisper Large v3 Turbo festlegen
curl http://localhost:3001/v1/audio/transcriptions \
-H "Authorization: Bearer <unified-key>" \
-F [email protected] \
-F model=whisper-large-v3-turbo \
-F response_format=verbose_jsonPython: Untertitel von Cloudflare Whisper
from openai import OpenAI
client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")
with open("lecture.mp3", "rb") as audio:
vtt = client.audio.transcriptions.create(
model="@cf/openai/whisper-large-v3-turbo", # Cloudflare makes VTT natively
file=audio,
response_format="vtt",
)
open("lecture.vtt", "w", encoding="utf-8").write(vtt)Lange Aufnahmen: komprimieren und teilen
FreeLLMAPI und der kostenlose Tarif von Groq nehmen jeweils höchstens 25 MB in einem Upload an. Groq sagt, dass Whisper Audio auf 16 kHz Mono herunterrechnet. Führen Sie das vor dem Upload aus, damit die Datei deutlich kleiner wird. Teilen Sie lange Aufnahmen in Teile auf.
ffmpeg: 16 kHz Mono-FLAC-Teile von 10 Minuten
ffmpeg -i podcast.mp3 -ar 16000 -ac 1 -c:a flac -f segment -segment_time 600 part%03d.flacPython: die Teile in der richtigen Reihenfolge transkribieren
import glob
from openai import OpenAI
client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")
texts = []
for path in sorted(glob.glob("part*.flac")):
with open(path, "rb") as audio:
extra = {"prompt": texts[-1][-200:]} if texts else {} # end of the previous part
r = client.audio.transcriptions.create(model="auto", file=audio, **extra)
texts.append(r.text)
print("\n".join(texts))Ein Wort kann an der Grenze zwischen zwei Teilen abgeschnitten werden. Groq empfiehlt für exakte Ergebnisse kurze Überlappungen zwischen den Teilen. Prüfen Sie die Größe jedes Teils vor dem Upload, denn manches Audio lässt sich schlecht komprimieren.
Bessere Whisper-Transkripte erhalten
- Sprache festlegen: Senden Sie
languagemit einem Code wieen,deoderur. Whisper muss die Sprache dann nicht erkennen. - Prompt nutzen: Senden Sie Namen, Produktnamen und Fachbegriffe in
prompt. Whisper nutzt sie als Kontext für die Schreibweise. - Temperatur auf 0 lassen: Ein höherer Wert erzeugt abwechslungsreicheren Text, was für Transkripte selten nützlich ist.
- Audio bereinigen: Entfernen Sie Musik und lange Pausen. Nehmen Sie Sprache nah am Mikrofon auf.
- Zeitstempel erhalten: Verwenden Sie
response_format=verbose_json. Liefert der Anbieter Segmente, hat jedes eine Start- und eine Endzeit. Ohne Segmente erhalten Sie einfaches JSON mit nur dem Text. - Host prüfen: Die Antwort-Header
X-ProviderundX-Modelzeigen, welcher Host und welches Modell das Transkript erstellt haben. Protokollieren Sie sie, wenn Sie die Qualität vergleichen.
Fehlerbehebung
| Problem | Ursache | Lösung |
|---|---|---|
Fehler 413 file_too_large | Der Upload ist größer als 25 MB | Konvertieren Sie in 16 kHz Mono-FLAC oder teilen Sie die Datei |
| Wörter wiederholen sich, oder Text erscheint in Stille | Whisper kann in langen stillen Abschnitten Text erzeugen, der nicht gesprochen wurde | Schneiden Sie lange Pausen vor dem Upload heraus |
| Namen sind falsch geschrieben | Whisper kennt die Namen nicht | Senden Sie die Namen im Feld prompt |
| Fehler 429 von OVH | Das anonyme Limit liegt bei 2 Anfragen pro Minute | Fügen Sie einen Groq- oder Cloudflare-Schlüssel hinzu |
Fehler 400 bei srt | Kein Anbieter erstellt SRT | Verwenden Sie vtt mit einem Cloudflare-Whisper-Modell |
Häufig gestellte Fragen
Gibt es eine kostenlose Whisper-API?
Ja. Groq, Cloudflare Workers AI und OVH AI Endpoints betreiben Whisper kostenlos mit Limits. FreeLLMAPI legt sie mit Failover hinter einen OpenAI-kompatiblen Endpunkt.
Wie groß darf eine Datei bei der kostenlosen Whisper-API sein?
Groq erlaubt im kostenlosen Tarif 25 MB je Datei, und FreeLLMAPI nimmt Uploads bis 25 MB an. Konvertieren Sie das Audio bei längeren Aufnahmen in 16 kHz Mono oder teilen Sie es.
Ist Whisper Large v3 Turbo so genau wie Whisper Large v3?
Nicht ganz. Groq nennt eine Wortfehlerrate von 12 % für Turbo und 10.3 % für Large v3. Turbo ist schneller und kostet in bezahlten Tarifen weniger.
Kann die kostenlose Whisper-API Audio ins Englische übersetzen?
FreeLLMAPI hat keinen Übersetzungs-Endpunkt. Transkribieren Sie das Audio zuerst und übersetzen Sie den Text dann mit einem kostenlosen Chat-Modell.
Funktioniert das OpenAI-Python-SDK mit einer kostenlosen Whisper-API?
Ja. Setzen Sie base_url auf http://localhost:3001/v1 und rufen Sie dann client.audio.transcriptions.create mit model="auto" oder einer Whisper-Modell-ID auf.
Verwandte Anleitungen
- Kostenlose Speech-to-Text-API
- Kostenlose Text-to-Speech-API
- free groq api
- free cloudflare api
- Kostenlose OVH AI Endpoints API
- Kostenlose Übersetzungs-API mit LLMs
Quellen
- FreeLLMAPI README: supported endpoints (geprüft 20 November 2026)
- Groq docs: Speech to text (geprüft 20 November 2026)
- Cloudflare Workers AI pricing (geprüft 20 November 2026)
- Cloudflare Workers AI: whisper-large-v3-turbo (geprüft 20 November 2026)
- OVHcloud AI Endpoints capabilities (geprüft 20 November 2026)